AIの導入率は3%？金融セクターは『データ不信』に足を引っ張られている

AIは、金融業界全体での革新の鍵として浮上していますが、その普及を妨げる最大の要因は「データの信頼性」であると、最近の報告書が述べています。「2025年データ信頼レポート」では、ほとんどの金融会社がAI関連のプロジェクトを試験的に実施している一方で、実際にそれを生産に導入しているのはわずか3〜4%に過ぎないことが明らかになりました。

報告書では、金融機関がAIの潜在的な利点を実現するには、信頼できるデータと体系的なガバナンスが戦略的な意思決定の基盤であることが強調されています。データの信頼性は、投資、リスク管理、顧客体験の革新など、さまざまな金融サービス分野でAI技術が機能するための重要な要素です。

データ管理会社の金融サービス担当最高データ責任者であるラリー・ハントは、「データはもはや単なるITの問題や規制遵守のツールではありません。CEOや取締役会は、ビジネス価値を生み出すインフラとしてそれを認識しています」と述べました。彼は、最近のAI技術の急速な進展に伴い、企業はデータの戦略的価値に焦点を当てており、経営レベルでのデータガバナンスに関するより活発な議論が行われていると付け加えました。

現在、多くのリーダーはAI導入に関連する規制遵守とリスク管理が難しいと感じていますが、成功している組織はガバナンスを非効率的な官僚主義とは見なさず、ビジネスの推進力として積極的に活用しています。ハントは、AI導入にはリアルタイムでデータを分類、監視、監査できるシステムを構築する必要があると説明しました。

彼はまた、データの信頼性を確保するための技術の補完性を強調し、「今やAIは主流技術として受け入れられているので、ガバナンス機能もAIの力を活用することでより効率的にすることができる」と述べました。

しかし、ほとんどのデータガバナンスプログラムは、組織内で「形式的なシステム」と見なされるため、具体的な結果をもたらすことができません。ハントは次のようにアドバイスしました。「外部的にガバナンスを飾るのではなく、コスト削減、効率改善、リスク軽減などの測定可能なビジネス成果に焦点を当てることで、メンバー間の説得力と実行力が高まります。」

報告書は、データを取り巻く従来の技術インフラもAIの普及を遅らせる要因であることを指摘しました。長年にわたりM&Aを繰り返してきた金融会社は、システムが不均衡で断片化しており、AIモデルのトレーニングに必要な一貫したデータを取得するのが困難です。単純な例として、顧客応答の自動化に必要なスクリプトでさえ、内部データの不足により実装できないケースがあります。

これらの問題を解決する鍵は、クラウドベースのデータ管理と「ドメイン中心構造」への移行にあります。ハントは、"クラウドは計算およびストレージ環境を大規模にスケールアップでき、データ製品中心の設計は相互運用性を最大化し、システムリスクを最小限に抑えることができる"と評価しました。

この調査は、データの信頼性とガバナンスがAIが真剣に実際の価値を創出するために必要な基本的な基盤であることを再確認しています。金融業界だけでなく、データを信頼性を持って管理する方法が、AI技術そのものではなく、企業のAI投資の成功または失敗を決定する重要な要素となっています。

#AIDataTrust #ファイナンスAI #データガバナンス